基于模糊神经网络的多传感器信息融合，提出了一种简单、有效的分区算法来确定障碍物的距离和方位。采用BP神经网络对障碍物环境进行分类以及模式识别，为移动机器人的导航和避障提供了一种有效的方法。
2021-09-09 09:49:46
264KB
1
author：komdec
time：20191024
内容包括：
两传感器_位置速度加速度系统3_对角阵加权最优卡尔曼预报器
两传感器_位置速度系统_标量加权_稳态卡尔曼预报器
两传感器位置速度加速度系统3_矩阵加权最优卡尔曼预报器
两传感器_位置速度加速度系统3_矩阵加权_稳态卡尔曼预报器
两传感器_位置速度加速度系统2_矩阵加权_最优卡尔曼预报器
两传感器_位置速度加速度系统2_对角阵加权_稳态卡尔曼预报器
两传感器三维跟踪系统对角阵加权稳态信息融合Kalman预报器
两传感器三维跟踪系统对角阵加权稳态信息融合Kalman预报器论文
2021-08-28 14:06:23
400KB
1
智能车辆路径规划将感知的环境信息进一步处理，为智能车辆运动跟踪控制提供参考，
是智能车辆完成任务的安全保障。考虑到在道路中存在障碍物的可能性，提出了一种利用多传感器的自适应阈值 VFH 局部避障路径规划方法。利用单目视觉传感器检测可通行道路的边界，在道路边界内激光雷达对障碍物进行预检测，再对包含障碍物的图像区域进行准确定位，最后采用改进的 VFH 方法对局部路径进行规划。通过对速度和转角的决策输出使之比传统只对转角控制进行路径规划方法节省时间，增强系统的实时性。
智能车辆运动跟踪控制是智能车辆任务执行的实现途径，也是路径规划最终效果的体现。
针对现有路径跟踪控制方法的特点，为了提高智能车辆路径跟踪控制系统精度以及实时性，提出了一种基于道路人工势场的路径跟踪控制方法。该方法模仿人类驾驶思维，所构建的环境道路人工势场包含了车辆与目标路径的偏差信息及车辆前方预瞄信息，算法简单，其控制器的参数可实时进行调整。
为进一步验证本文所述理论及方法，设计了智能车辆系统验证平台，包括道路图像处理
系统；超声波传感器及激光雷达测距系统；车速测量系统；自动转向与车速控制系统；通讯系统以及车载传感器和主要设备等。基于所设计的试验平台对智能车辆路径跟踪与自主避障进行试验验证，测试结果表明了本文所提相关方法的有效性。
2021-08-16 21:09:47
3.42MB